摘要：【目的】探究非垂直拍攝獲取細(xì)葉作物覆蓋度優(yōu)化算法以及非垂直拍攝對作物覆蓋度計算結(jié)果的影響?！痉椒ā吭诒本┦行交夭輼I(yè)研究中心露天環(huán)境下,以青綠薹草、結(jié)縷草為試驗對象,獲取45°、60°、90°(與地面夾角)3種拍攝角度下的圖像,采用基于自適應(yīng)權(quán)重粒子群改進(jìn)K-means的圖像分割方法,分析不同拍攝角度對青綠薹草覆蓋度測量精度的影響,研究非垂直拍攝與垂直角度下覆蓋度的關(guān)系曲線。首先將草RGB圖像轉(zhuǎn)化成HSV顏色空間,在HSV顏色空間利用自適應(yīng)權(quán)重PSO算法向全局像素解的子空間搜尋,通過迭代搜尋到全局最優(yōu)解,確定最佳初始聚類中心;其次利用K-means算法對不同角度圖像像素進(jìn)行聚類劃分,從而得到草冠層區(qū)域分割結(jié)果,最后采用形態(tài)學(xué)濾波方法對分割結(jié)果進(jìn)行優(yōu)化?！窘Y(jié)果】垂直拍攝時,傳統(tǒng)K-means算法計算的2個品種的覆蓋度總體相對誤差分別為32.89%和34.37%,而本文算法下2個品種總體相對誤差分別為11.23%和15.85%。相比于K-means算法,本文算法環(huán)境適應(yīng)性好,算法精度高。非垂直拍攝條件下,本文算法能夠克服多角度拍攝導(dǎo)致圖像色彩分布不均勻的問題,有效分割出草冠層區(qū)域,90°覆蓋度估測值與真實值平均誤差為3.27%,60°二者平均誤差為4.61%,45°平均誤差為5.70%,隨著拍攝角度的減小,平均誤差略有增大,但均小于6%。非垂直角度下計算的覆蓋度與垂直角度覆蓋度呈顯著地線性關(guān)系?！窘Y(jié)論】采用本文方法可以提高非垂直拍攝獲取作物覆蓋度的精度。